公开(公告)号：CN117972783A

公开(公告)日：2024-05-03

申请号：CN202410153679.1

申请日：2024-02-02

Applicant: 厦门理工学院

Inventor： 刘斌 ,  陈伟思 ,  曹丽明 ,  方天客

IPC: G06F21/62 ,  G06F18/243 ,  G06F18/2411 ,  G06F18/20 ,  G06F18/23213 ,  G06N3/0442 ,  G06F18/27

Abstract: 本发明涉及数据安全技术领域，具体为基于联邦学习的大数据隐私保护方法及系统，包括以下步骤：基于联邦学习环境，采用自然语言处理和卷积神经网络，对文本和图像数据进行分析，生成数据特征识别结果。本发明中，通过采用联邦学习环境、结合自然语言处理和卷积神经网络，提高了数据特征的识别精度，随机森林和梯度提升机的应用增强了模型的预测能力和准确性，通过决策树算法和贝叶斯网络的结合，能够提供更为精准的数据保护，K‑均值聚类和孤立森林算法则识别异常行为，提高了安全性，强化学习和逻辑回归的结合为优化隐私保护策略提供了强有力的支撑，而图数据库技术和Dijkstra算法的应用，在数据溯源和风险评估方面实现了高效的风险管理和控制。